TRƯỜNG ĐẠI HỌC KỸ THUẬT TP. HCM
KHOA ĐIỆN ĐIỆN TỬ
BỘ MÔN ĐIỀU KHIỂN TỰ ĐỘNG

LUẬN VĂN TỐT NGHIỆP
ĐỀ TÀI :

ỨNG DỤNG NEUROFUZZY
TRONG ĐIỀU KHIỂN NHIỆT
ĐỘ THÔNG QUA KIT AT89C52

GVHD : LÊ TUẤN ANH
SVTH : LÊ PHƯỚC THÀNH
MSSV : 49600822
NIÊN KHÓA 1996 - 2001

LUAN VAN CHAT LUONG download : add


Ưng dụng NeuroFuzzy trong điều khiển nhiệt độ

GVHD : Lê Tuấn Anh

LỜI CẢM ƠN
Xin chân thành cảm ơn tất cả các thầy cô trong trường ĐH Kỹ Thuật đã dạy dỗ
cho đến ngày hôm nay, đặc biệt là các thầy cô trong bộ môn Điều Khiển Tự Động.
Xin chân thành cảm ơn văn phịng bộ mơn, đặc biệt là cơ Ngọc đã tạo điều kiện
giúp đỡ trong suốt quá trình thực hiện luận văn tốt nghiệp.
Xin chân thành cảm ơn thầy Lê Tuấn Anh, người đã gợi ý và hướng dẫn thực hiện
luận văn tốt nghiệp.
Và xin cảm ơn tất cả những người đã gián tiếp tạo điều kiện thuận lợi trong quá

trình làm luận văn tốt nghiệp.
Dù đã cố rất gắng nhưng vẫn khơng tránh khỏi sai sót, xin được học hỏi những lời
chỉ dẫn. Xin cảm ơn rất nhiều.
Người thực hiện
Lê Phước Thành

Ngày 08/01/2001

SVTH : Lê Phước Thành

Trang 1

LUAN VAN CHAT LUONG download : add


Ưng dụng NeuroFuzzy trong điều khiển nhiệt độ

GVHD : Lê Tuấn Anh

LỜI TỰA
Đề tài này được thực hiện trong khuôn khổ một môn học do trường ĐH Kỹ Thuật
qui định với số tín chỉ là 10. Thơng qua đó, sinh viên có một học kỳ để tự học, tự
đánh giá khả năng của mình và trình bày thành luận văn dựa trên những hiểu biết
của mình.
Tên của đề tài là ứng dụng NeuroFuzzy để điều khiển nhiệt độ cho thấy đề tài
khơng mới nhưng phương pháp điều khiển thì rất mới : đó là ứng dụng
NeuroFuzzy, một lĩnh vực cịn khá mới mẽ trong điều khiển tự động, là sự kết hợp
của hai lĩnh vực trí khơn nhân tạo : logic mờ và mạng neuron nhằm tận dụng ưu
điểm của cả hai. Nhằm để chứng tỏ ưu điểm của phương pháp này, đề tài điều
khiển một đối tượng cụ thể là một lị nướng dân dụng.

Luận văn trình bày đề tài được chia làm 5 phần lớn :
 Phần 1 : Giới thiệu.
 Phần 2 : Lý thuyết.
 Phần 3 : Thiết kế.
 Phần 4 : Kết qua điều khiển.
 Phần 5 : tài liệu tham khảo.
Trong mỗi phần có nhiều chương nhỏ trải rộng từ hệ thống, phần cứng, phần mềm
với tổng số trang là 183.
Do lượng nội dung viết thì nhiều mà khn khổ luận văn có giới hạn nên chỉ trình
bày các giải thuật mà khơng trình bày chương trình. Tuy nhiên, nếu muốn tham
khảo thì sử dụng đĩa CD-ROM kèm theo có chứa chương trình nguồn lẫn chương
trình đã biên dịch (cho phép cài lên máy tính).
Thực ra tác giả cịn muốn trình bày nhiều hơn nữa nhưng đành phải rút gọn nên
khơng thốt khỏi tình trạng thiếu trước hụt sau. Ngoài ra, do mỗi phần được viết
trong các khoản thời gian khác nhau nên không tránh khỏi vấn đề khơng nhất
qn trong trình bày. Lối văn phong cũng không được khoa học cho lắm.
Mong rằng người đọc sẽ thông cảm mà bỏ qua những thiếu sót đó. Xin chân thành
cảm ơn.

Ngày 08/01/2001

SVTH : Lê Phước Thành

Trang 2

LUAN VAN CHAT LUONG download : add


Ưng dụng NeuroFuzzy trong điều khiển nhiệt độ


GVHD : Lê Tuấn Anh

MỤC LỤC
Phần 1. Giới thiệu .................................................... 9
Chương 1. Giới thiệu đề tài..................................................... 10
1. Nhiệm vụ của đề tài.................................................................................. 11
2. Thực hiện.................................................................................................. 11

Phần 2. Lý thuyết ................................................... 12
Chương 1. Logic mờ ................................................................ 13
1. Sơ lược về logic mờ .................................................................................. 13
1.1. Quá trình phát triển của logic mờ ......................................................... 13
1.2. Cơ sở toán học của logic mờ ................................................................ 13
1.3. Logic mờ là logic của con người .......................................................... 16
1.4. So sánh logic mờ với lý thuyết xác suất thống kê ................................. 16
2. Các khái niệm dùng trong logic mờ ........................................................ 17
2.1. Tập hợp mờ và độ phụ thuộc ................................................................ 17
2.2. Hàm phụ thuộc ..................................................................................... 18
2.3. Biến ngôn ngữ ...................................................................................... 18
2.4. Luật mờ ................................................................................................ 19
3. Tính tốn mờ ............................................................................................ 19
3.1. Mờ hóa ................................................................................................. 19
3.2. Tính luật mờ ......................................................................................... 19
3.3. Suy luận mờ ......................................................................................... 20
3.4. Giải mờ ................................................................................................ 21

Chương 2. Mạng Neuron ........................................................ 23
1. Sơ lược về mạng neuron .......................................................................... 23
1.1. Quá trình phát triển .............................................................................. 23
1.2. Mạng neuron là gì ?.............................................................................. 24

1.3. Cấu trúc của não ................................................................................... 24
2. Mơ hình hóa mạng neuron ...................................................................... 26
2.1. u cầu khi lập mơ hình một neuron .................................................... 26
2.2. Lập mơ hình neuron ............................................................................. 26
3. Học hỏi trong mạng neuron..................................................................... 28
4. Giải thuật học perceptron........................................................................ 30
4.1. Mô tả giải thuật .................................................................................... 30
4.2. Phân loại với mơ hình perceptron ......................................................... 31
4.3. Tóm tắt giải thuật ................................................................................. 33

Ngày 08/01/2001

SVTH : Lê Phước Thành

Trang 3

LUAN VAN CHAT LUONG download : add


Ưng dụng NeuroFuzzy trong điều khiển nhiệt độ

GVHD : Lê Tuấn Anh

4.4. Hạn chế ................................................................................................ 34
4.5. Nhận xét ............................................................................................... 34
5. Giải thuật học delta .................................................................................. 35
5.1. Đạo hàm ............................................................................................... 35
5.2. Mô tả luật học delta .............................................................................. 36
5.3. Một số hàm truyền và đạo hàm của nó.................................................. 37
5.4. Tóm tắt giải thuật ................................................................................. 38

6. Giải thuật delta tổng quát........................................................................ 39
6.1. Mô hình perceptron đa tầng .................................................................. 39
6.2. Luật học delta tổng quát ....................................................................... 39
6.3. Tóm tắt giải thuật ................................................................................. 41
7. Độ hiệu quả của mạng neuron ................................................................. 41

Chương 3. NeuroFuzzy ........................................................... 44
1. Sơ lược về NeuroFuzzy ............................................................................ 44
2. Kết hợp neuron và mờ ............................................................................. 45
2.1. Biểu diễn luật If-Then theo cấu trúc mạng neuron ................................ 45
2.2. Neuron mờ ........................................................................................... 48
3. Học hỏi trong NeuroFuzzy....................................................................... 50
3.1. Sửa đổi hàm phụ thuộc ......................................................................... 51
4. Nhận xét.................................................................................................... 54

Chương 4. Vi điều khiển ......................................................... 55
1. Vi điều khiển họ MCS-51......................................................................... 55
2. Vi điều khiển AT89C52 ........................................................................... 56
2.1. Cấu tạo chân ......................................................................................... 56
2.2. Sơ đồ khối ............................................................................................ 57
2.3. Mô tả chức năng các chân .................................................................... 57
2.4. Các thanh ghi chức năng ...................................................................... 59
2.5. Bộ nhớ dữ liệu ...................................................................................... 61
2.6. Đặc tính bộ dao động............................................................................ 62
2.7. Chế độ lười........................................................................................... 62
2.8. Chế độ hạ nguồn................................................................................... 62
2.9. Trạng thái của một số chân trong chế độ hạ nguồn và chế độ lười ........ 62
2.10. Các thông số kỹ thuật ......................................................................... 63

Chương 5. ADC ICL7109CPL ................................................ 67

1. Sơ lược các phương pháp biến đổi AD.................................................... 67
1.1. Biến đổi AD dùng bộ biến đổi DA ....................................................... 67
1.2. Bộ biến đổi Flash AD ........................................................................... 70

Ngày 08/01/2001

SVTH : Lê Phước Thành

Trang 4

LUAN VAN CHAT LUONG download : add


Ưng dụng NeuroFuzzy trong điều khiển nhiệt độ

GVHD : Lê Tuấn Anh

1.3. Bộ biến đổi AD theo hàm dốc dạng lên xuống...................................... 71
1.4. Bộ biến đổi AD dùng chuyển đổi áp sang tần số ................................... 71
1.5. Bộ biến đổi AD theo tích phân hai độ dốc ............................................ 71
2. ICL7109CPL ............................................................................................ 72
2.1. Cấu tạo chân ......................................................................................... 73
2.2. Mô tả chức năng các chân .................................................................... 73
2.3. Quá trình biến đổi AD .......................................................................... 75
2.4. Lựa chọn giá trị .................................................................................... 76
2.5. Giao tiếp trực tiếp với ICL7109CPL..................................................... 77

Chương 6. MAX232................................................................. 78
1. Chuẩn RS-232-C ...................................................................................... 78
1.1. Các đầu nối .......................................................................................... 80

1.2. Mô tả chân ........................................................................................... 80
2. MAX232 và họ IC dùng biến đổi TTLRS-232-C ................................ 81
2.1. Cấu tạo chân ......................................................................................... 81
2.2. Mô tả chức năng chân........................................................................... 81
2.3. Sơ đồ khối và mạch tiêu biểu................................................................ 81

Chương 7. Các IC khác ........................................................... 83
1. OP07 ......................................................................................................... 83
2. MOC3020 ................................................................................................. 83
3. RAM 6264................................................................................................. 84
4. Chốt 74573 ................................................................................................ 84
5. BTA16....................................................................................................... 84

Chương 8. Thermocouple ....................................................... 85
1. Sơ lược về các dụng cụ đo nhiệt độ ......................................................... 85
1.1. Buổi ban đầu của thiết bị đo nhiệt độ .................................................... 85
1.2. Các loại cảm biến hiện tại..................................................................... 86
2. Thermocouple .......................................................................................... 87
2.1. Hiệu ứng Seebeck................................................................................. 87
2.2. Cách đo hiệu điện thế ........................................................................... 88
2.3. Bù nhiệt môi trường ............................................................................. 90
2.4. Các loại thermocouple .......................................................................... 90
2.5. Một số nhiệt độ chuẩn .......................................................................... 91

Phần 3. Thiết kế ..................................................... 92
Chương 1. Phần cứng .............................................................. 93
1. Cấu trúc tổng quát ................................................................................... 93

Ngày 08/01/2001


SVTH : Lê Phước Thành

Trang 5

LUAN VAN CHAT LUONG download : add


Ưng dụng NeuroFuzzy trong điều khiển nhiệt độ

GVHD : Lê Tuấn Anh

2. Khối xử lý trung tâm ............................................................................... 94
3. Phân vùng địa chỉ..................................................................................... 96
4. Khối bộ nhớ và nguồn backup ................................................................ 97
5. Khối hiển thị............................................................................................. 98
6. Khối biến đổi AD.................................................................................... 102
7. Khối cảm biến và gia công ..................................................................... 105
8. Khối bàn phím........................................................................................ 108
8.1. Chương trình con GET_KEY ............................................................. 109
8.2. Chương trình con IN_HEX................................................................. 111
9. Truyền thơng nối tiếp ............................................................................ 112
10. Khối mạch công suất ............................................................................ 114
11. Nguồn cung cấp .................................................................................... 115
12. Cách cân chỉnh mạch ........................................................................... 115
13. Xử lý 16-bit trên vi điều khiển 8-bit .................................................... 118
13.1 Chương trình con cộng 16-bit ............................................................ 119
13.2. Chương trình con đổi dấu một số ...................................................... 119
13.3. Chương trình con nhân số 16-bit cho số 8-bit ................................... 119
13.4. Chương trình con chia số 16-bit cho số 8-bit .................................... 120


Chương 2. Hệ thống .............................................................. 122
1. Thiết kế hệ mờ ........................................................................................ 122
1.1. Các nguyên tắc trong thiết kế ............................................................. 122
1.2. Thiết kế hệ mờ cho điều khiển nhiệt độ .............................................. 125
1.3. Thiết kế hệ luật................................................................................... 126
1.4. Tính luật và giải mờ ........................................................................... 127
2. Thiết kế hệ NeuroFuzzy ......................................................................... 127
2.1. Tập dữ liệu học................................................................................... 127
2.2. Thay đổi hệ mờ .................................................................................. 127

Chương 3. Phần mềm ............................................................ 129
1. Pha hoạt động......................................................................................... 129
1.1. Khuôn dạng luật của hệ ...................................................................... 130
1.2. Giải thuật điều khiển .......................................................................... 130
1.3. Xử lý mờ ............................................................................................ 131
1.4. Tính độ phụ thuộc .............................................................................. 132
1.5. Giải mờ theo CoM.............................................................................. 136
2. Pha học ................................................................................................... 137
3. Chương trình trên kit AT89C52 ........................................................... 137
3.1. Nhập dữ liệu ....................................................................................... 139

Ngày 08/01/2001

SVTH : Lê Phước Thành

Trang 6

LUAN VAN CHAT LUONG download : add



Ưng dụng NeuroFuzzy trong điều khiển nhiệt độ

GVHD : Lê Tuấn Anh

3.2. Hoạt động........................................................................................... 144
3.3 Phân bố tài nguyên .............................................................................. 145
3.4. RAM ngoại ........................................................................................ 147
4. Chương trình trên máy tính .................................................................. 149
4.1. Qui định kiểu dữ liệu .......................................................................... 150
4.2. Giới thiệu chương trình NF Control.................................................... 151
4.3. Giới thiệu chương trình fuzzyTech ..................................................... 156
4.4. Giao tiếp giữa NF Control và FuzzyTech ........................................... 160

Phần 4. Kết quả điều khiển ................................. 171
Chương 1. Điều khiển thực tế ............................................... 172
1. Điều khiển 100C ................................................................................... 173
2. Điều khiển 125C ................................................................................... 174
3. Điều khiển 150C ................................................................................... 175
4. Điều khiển 175C ................................................................................... 176
5. Điều khiển 200C ................................................................................... 177
6. Điều khiển 225C ................................................................................... 178
7. Điều khiển 250C ................................................................................... 179
8. Điều khiển tổng hợp lần thứ nhất ......................................................... 180
9. Điều khiển tổng hợp lần thứ hai ............................................................ 181

Phần 5. Tài liệu tham khảo ................................. 182

Ngày 08/01/2001

SVTH : Lê Phước Thành


Trang 7

LUAN VAN CHAT LUONG download : add


Ưng dụng NeuroFuzzy trong điều khiển nhiệt độ

Ngày 08/01/2001

SVTH : Lê Phước Thành

GVHD : Lê Tuấn Anh

Trang 8

LUAN VAN CHAT LUONG download : add


Ưng dụng NeuroFuzzy trong điều khiển nhiệt độ

GVHD : Lê Tuấn Anh

1
GIớI THIệU Đề TÀI

Từ xưa đến nay, nhiệt độ luôn hiện hữu quanh ta và đã trở thành một trong những
yếu tố của sự sống.
Tuy nhiên con người ở mỗi thời điểm khác nhau đều có cách nhận thức và xử lý
nhiệt độ khác nhau.

Thời xa xưa, con người khơng hề có khái niệm về nhiệt độ mặc dù họ biết nóng,
lạnh.
Sau đó, con người có khái niệm về sự tồn tại của nhiệt độ, tìm cách đo nó và so
sánh giữa các loại nhiệt độ khác nhau. Tuy nhiên, họ vẫn cam chịu và tìm cách
chung sống với nhiệt độ : nếu nóng q thì tìm chỗ tránh nóng ở dưới gốc cây,
bên bờ suối chẳng hạn.
Đến một lúc nào đó, con người nảy sinh ra ý định điều khiển nhiệt độ, bắt nó phải
phục vụ cho mục đích của mình. Ví như trong sinh hoạt hằng ngày, người ta nhận
ra rằng nhiệt độ lý tưởng cho mội trường sống là 25C. Thế thì bằng mọi cách
phải tạo ra được nhiệt độ 25C và máy điều hòa nhiệt độ ra đời.
Hay trong nghành công nghiệp, điều khiển nhiệt độ là một vấn đề rất quan trọng.
Trong ngành luyện kim, cần phải đạt đến một nhiệt độ nào đó để kim loại nóng
chảy, và cũng cần đạt một nhiệt độ nào đó để ủ kim loại nhằm đạt được tốt các
đặc tính cơ học như độ bền, độ dẻo, độ chống gỉ sét, … . Trong ngành thực phẩm,
cần duy trì một nhiệt độ nào đó để nướng bánh, để nấu, để bảo quản, … .
Từ đó, điều khiển nhiệt độ trở thành một lĩnh vực của điều khiển tự động. Và theo
đà phát triển của các học thuyết về điều khiển tự động, kết quả của quá trình điều
khiển nhiệt độ ngày càng một tốt hơn.
Trước đây, con người điều khiển nhiệt độ bằng phương pháp PID rất tốt.
Năm 1965, lý thuyết mờ ra đời đem lại nhiều thuận lợi hơn trong điều khiển tự
động, và điều khiển nhiệt độ cũng hưởng được lợi điểm đó. Tuy nhiên việc thiết
kế mờ là đơn giản nhưng việc tối ưu lại là khó.

Ngày 08/01/2001

SVTH : Lê Phước Thành

Trang 9

LUAN VAN CHAT LUONG download : add



Ưng dụng NeuroFuzzy trong điều khiển nhiệt độ

GVHD : Lê Tuấn Anh

Mạng neuron cũng là một ngành thuộc lĩnh vực trí khơn nhân tạo, nhưng người ta
ít dùng nó trong điều khiển do khó giải thích hành vi mà nó tạo ra mặc dù nó có
khả năng học.
Sự kết hợp của logic mờ và mạng neuron tạo ra một nghành mới gọi là
NeuroFuzzy mang ưu điểm của cả hai : dễ thiết kế (thông qua logic mờ) và dễ tối
ưu (thơng qua q trình học các hành vi mong muốn bằng mạng neron).
Do đó điều khiển nhiệt độ bằng NeuroFuzzy hứa hẹn nhiều hấp dẫn.

1. NHIệM Vụ CủA Đề TÀI
Điều khiển nhiệt độ một lò nướng dân dụng bằng phương pháp NeuroFuzzy.

2. THựC HIệN
Thiết kế một kit dựa trên vi điều khiển AT89C52 cho phép :
 Điều khiển lò nướng có cơng suất 1000W bằng phương pháp điều rộng
xung (PWM).
 Dùng cảm biến là loại Thermocouple.
 Cho phép tự hoạt động hoặc hoạt động thơng qua máy tính.
Thiết kế chương trình xử lý mờ cho kit và cho máy tính :
 Hai biến vào là sai lệch nhiệt độ ET và biến thiên sai lệch nhiệt độ DET,
mỗi biến có 7 tập mờ.
 Biến ra là duty cycle (gọi là OUT trong thiết kế) gồm 9 tập mờ dạng
singleton trong miềm từ 0% đến 100%.
Tối ưu bằng quá trình học của mạng neuron.


Ngày 08/01/2001

SVTH : Lê Phước Thành

Trang 10

LUAN VAN CHAT LUONG download : add


Ưng dụng NeuroFuzzy trong điều khiển nhiệt độ

Ngày 08/01/2001

SVTH : Lê Phước Thành

GVHD : Lê Tuấn Anh

Trang 11

LUAN VAN CHAT LUONG download : add


Ưng dụng NeuroFuzzy trong điều khiển nhiệt độ

GVHD : Lê Tuấn Anh

1
LOGIC Mờ

1. SƠ LƯợC Về LOGIC Mờ

1.1. Quá trình phát triển của logic mờ
Logic mờ được công bố lần đầu tiên tại Mỹ vào năm 1965. Cha đẻ của nó là Lotfi
Zadeh, giáo sư về lý thuyết hệ thống tại trường đại học Berkeley, bang California.
Kể từ đó, logic mờ đã có nhiều phát triển qua các chặng đường sau : phát minh ở
Mỹ, áp dụng ở Châu Âu và đưa vào các sản phẩm thương mại ở Nhật.
1.1.1. Ứng dụng công nghiệp đầu tiên ở Châu Au
Ứng dụng đầu tiên của logic mờ vào công nghiệp được thực hiện ở Châu Au,
khoảng sau năm 1970. Tại trường Queen Mary ở Luân Đôn – Anh, Ebrahim
Mamdani dùng logic mờ để điều khiển một máy hơi nước mà trước đây ông ấy
không thể điều khiển được bằng các kỹ thuật cổ điển. Và tại Đức, Hans
Zimmermann dùng logic mờ cho các hệ ra quyết định. Liên tiếp sau đó, logic mờ
được áp dụng vào các lĩnh vực khác như điều khiển lị xi măng, … nhưng vẫn
khơng được chấp nhận rộng rãi trong cơng nghiệp. Có một số ít ứng dụng dùng nó
nhưng dấu đi cụm từ logic mờ mà thay bằng các từ ngữ như “logic đa giá trị” hay
“logic liên tục”.
Kể từ năm 1980, logic mờ đạt được nhiều thành công trong các ứng dụng ra quyết
định và phân tích dữ liệu ở Châu Au. Nhiều kỹ thuật logic mờ cao cấp được
nghiên cứu và phát triển trong lĩnh vực này.
1.1.2. Nhật Bản vươn lên dẫn đầu
Cảm hứng từ những ứng dụng của Châu Au, các công ty của Nhật bắt đầu dùng
logic mờ vào kỹ thuật điều khiển từ năm 1980. Nhưng do các phần cứng chuẩn
tính toán theo giải thuật logic mờ rất kém nên hầu hết các ứng dụng đều dùng các
phần cứng chuyên về logic mờ. Một trong những ứng dụng dùng logic mờ đầu

Ngày 08/01/2001

SVTH : Lê Phước Thành

Trang 12


LUAN VAN CHAT LUONG download : add


Ưng dụng NeuroFuzzy trong điều khiển nhiệt độ

GVHD : Lê Tuấn Anh

tiên tại đây là nhà máy xử lý nước của Fuji Electric vào năm 1983, hệ thống xe
điện ngầm của Hitachi vào năm 1987.
Những thành công đầu tiên đã tạo ra nhiều quan tâm ở Nhật. Có nhiều lý do để
giải thích tại sao logic mờ được ưa chuộng. Thứ nhất, các kỹ sư Nhật thường bắt
đầu từ những giải pháp đơn giản, sau đó mới đi sâu vào vấn đề. Phù hợp với việc
logic mờ cho phép tạo nhanh các bản mẫu rồi tiến đến việc tối ưu. Thứ hai, các hệ
dùng logic mờ đơn giản và dễ hiểu. Sự “thông minh” của hệ không nằm trong các
hệ phương trình vi phân hay mã nguồn. Cũng như việc các kỹ sư Nhật thường làm
việc theo tổ, đòi hỏi phải có một giải pháp để mọi người trong tổ đều hiểu được
hành vi của hệ thống, cùng chia sẽ ý tưởng để tạo ra hệ. Logic mờ cung cấp cho
họ một phương tiện rất minh bạch để thiết kế hệ thống. Và cũng do nền văn hóa,
người Nhật khơng quan tâm đến logic Boolean hay logic mờ; cũng như trong
tiếng Nhật , từ “mờ’ không mang nghĩa tiêu cực.
Do đó, logic mờ được dùng nhiều trong các ứng dụng thuộc lĩnh vực điều khiển
thông minh hay xử lý dữ liệu. Máy quay phim và máy chụp hình dùng logic mờ
để chứa đựng sự chuyên môn của người nghệ sĩ nhiếp ảnh. Misubishi thông báo
về chiếc xe đầu tiên trên thế giới dùng logic mờ trong điều khiển, củng như nhiều
hãng chế tạo xe khác của Nhật dùng logic mờ trong một số thành phần. Trong lĩnh
vực tự động hóa, Omron Corp. có khoảng 350 bằng phát minh về logic mờ. Ngoài
ra, logic mờ cũng được dùng để tối ưu nhiều q trình hóa học và sinh học.
1.1.3. Châu Âu đuổi theo Nhật
Năm năm trôi qua, các tổ hợp Châu Au nhận ra rằng mình đã mất một kỹ thuật
chủ chốt vào tay người Nhật và từ đó họ đã nỗ lực hơn trong việc dùng logic mờ

vào các ứng dụng của mình. Đến nay, có khoảng 200 sản phẩm bán trên thị trường
và vô số ứng dụng trong điều khiển q trình – tự động hóa dùng logic mờ.
Từ những thành công đạt được, logic mờ đã trở thành một kỹ thuật thiết kế
“chuẩn” và được chấp nhận rộng rãi trong cộng đồng.
1.1.4. Logic mờ ở Mỹ
Trong những năm gần đây, logic mờ thu được nhiều quan tâm ở Mỹ, nhất là trong
những công ty cạnh tranh với Châu Au và Châu Á. Tuy nhiên có nhiều tranh cãi
về khả năng chiến thắng của Mỹ trong lĩnh vực này bởi nhiều lý do. Thứ nhất,
những ứng dụng được thực hiện tại Nhật là những sản phẩm mà các nhà sản xuất
của Mỹ không cạnh tranh với Nhật. Cơ bản là khơng có một nhà sản xuất điện tử
giải trí nào của Mỹ có mặt trên thị trường thế giới; việc dùng logic mờ trong
camcorder, camera, hifi chỉ là nhằm tăng thêm khả năng cạnh tranh giữa các công
ty Nhật mà thôi. Ơ Châu Au, các ứng dụng logic mờ chủ yếu tập trung vào tự
động hóa cơng nghiệp do giá lao động cao. Trong các lĩnh vực khác, như là ngành
chế tạo ôtô, Mỹ phải đối mặt với các đối thủ đến từ Châu Au và Nhật. Và các nhà
sản xuất Mỹ trong lĩnh vực này buộc phải dùng kỹ thuật thiết kế logic mờ.
Điều này tạo ra nhiều phân khúc thị trường cho Mỹ, như là dùng logic mờ trong
các hệ ra quyết định, bộ nhớ, bộ điều khiển đĩa cứng, cũng như các giải thuật nén
dùng cho âm thanh và hình ảnh. Và các ứng dụng trong truyền thông như loại bỏ

Ngày 08/01/2001

SVTH : Lê Phước Thành

Trang 13

LUAN VAN CHAT LUONG download : add


Ưng dụng NeuroFuzzy trong điều khiển nhiệt độ


GVHD : Lê Tuấn Anh

tiếng ồn, tìm đường trong mạng, hay nhận dạng tiếng nói cũng thu được nhiều kết
quả từ logic mờ.
1.2. Cơ sở toán học của logic mờ
Logic mờ và xác xuất thơng kê đều nó về sự khơng chắn chắn. Tuy nhiên mỗi
lĩnh vực định nghĩa một khái niệm khác nhau về đối tượng.
1.2.1. Sự không chắc chắn theo thống kê : liên quan đến sự xuất hiện của một
sự kiện chắc chắn. Xét phát biểu sau :
Xác suất trúng đích là 0,8
Bản thân của sự kiện này (trúng đích) đã được định nghĩa rõ ràng. Sự không chắc
chắn ở đây là có trúng đích hay khơng, và được định lượng bởi mức độ xác suất
(trong trường hợp này là 0,8). Loại phát biểu này có thể được xử lý và kết hợp với
các phát biểu khác bằng phương pháp thống kê, như là xác suất có điều kiện
chẳng hạn.
1.2.2. Sự không chắc chắn trong ngữ nghĩa : liên quan đến ngôn ngữ của con
người, tức là liên quan đến sự khơng chính xác trong các từ ngữ mà con người
dùng để ước lượng vấn đề và rút ra kết luận. Ví dụ như các từ mơ tả nhiệt độ như :
“nóng”, “lạnh”, hay “ấm” – khơng có một giá trị chính xác để gán cho các từ này
– bao nhiêu độ là lạnh : 2C hay -2C ? … và các khái niệm này cũng khác nhau
đối với những người khác nhau : người này lạnh nhưng người khác thì khơng.
Mặc dù các khái niệm khơng được định nghĩa chính xác nhưng con người vẫn có
thể sử dụng chúng cho các ước lượng và quyết định phức tạp. Bằng sự trừu tượng
và óc suy nghĩ, con người có thể giải quyết câu nói mang ngữ cảnh phức tạp mà
rất khó có thể mơ hình bởi tốn học chính xác. Xét phát biểu :
Có thể chúng ta sẽ thành cơng trong năm học này
Mới nhìn qua thì phát biểu này rất giống phát biểu trên. Tuy nhiên, có một số khác
biệt quan trọng. Thứ nhất, bản thân sự kiện không được định nghĩa rõ ràng. Đối
với một số sinh viên thì năm học thành cơng là khơng phải học lại mơn nào. Đối

với một số sinh viên khác thì năm học thành cơng là số điểm bình qn năm nay
tăng hơn năm trước. Nhưng ngay cả trong trường hợp này cũng khơng có một
ngưỡng qui định sự thành cơng (tăng hơn bao nhiêu điểm ?).
Một khác biệt nữa là ở xác xuất : trong khi phát biểu trên mô tả xác suất theo tốn
học thì phát biểu này khơng có một giá trị định lượng về xác suất.
1.2.3. Mơ hình sự không chắc chắn theo ngữ vựng : Như đã nói trên, mặc dù
dùng những phát biểu khơng mang tính định lượng nhưng con người vẫn có thể
thành cơng trong các ước lượng phức tạp. Trong nhiều trường hợp, con người
dùng sự không chắc chắn này để tăng thêm độ linh hoạt. Như trong hầu hết xã hội,
hệ thống luật pháp bao gồm một số luật, mỗi luật mô tả một tình huống. Ví dụ một
luật qui định tội trộm xe phải bị tù 2 năm, một luật khác lại giảm nhẹ trách nhiệm.
Và trong một phiên tòa, chánh án phải quyết định số ngày phạt tù của tên trộm
dựa trên mức độ rượu trong người, trước đây có tiền án hay tiền sự khơng, … từ
đó kết hợp lại đưa ra một quyết định công bằng.

Ngày 08/01/2001

SVTH : Lê Phước Thành

Trang 14

LUAN VAN CHAT LUONG download : add


Ưng dụng NeuroFuzzy trong điều khiển nhiệt độ

GVHD : Lê Tuấn Anh

1.3. Logic mờ là logic của con người
Trong thực tế, ta không định nghĩa một luật cho một trường hợp mà định nghĩa

một số luật cho các trường hợp nhất định. Khi đó những luật này là những điểm
rời rạc của một tập các trường hợp liên tục và con người xấp xỉ chúng. Gặp một
tình huống cụ thể, con người sẽ kết hợp những luật mô tả các tình huống tương tự.
Sự xấp xỉ này dựa trên sự linh hoạt của các từ ngữ cấu tạo nên luật, cũng như sự
trừu tượng và sự suy nghĩ dựa trên sự linh hoạt trong logic của con người.
Để thực thi logic của con người trong kỹ thuật cần phải có một mơ hình tốn học
của nó. Từ đó logic mờ ra đời như một mơ hình tốn học cho phép mơ tả các q
trình quyết định và ước lượng của con người theo dạng giải thuật. Dĩ nhiên cũng
có giới hạn, đó là logic mờ khơng thể bắt chước trí tưởng tượng và khả năng sáng
tạo của con người. Tuy nhiên, logic mờ cho phép ta rút ra kết luận khi gặp những
tình huống khơng có mơ tả trong luật nhưng có sự tương đương. Vì vậy, nếu ta
mơ tả những mong muốn của mình đối với hệ thống trong những trường hợp cụ
thể vào luật thì logic mờ sẽ tạo ra giải pháp dựa trên tất cả những mong muốn đó.
1.4. So sánh logic mờ với lý thuyết xác suất thống kê
Không thể làm phép so sánh giữa hai lĩnh vực này bởi vì sự khơng chắc chắn theo
thống kê và sự khơng chắc chắn theo ngữ vựng có bản chất khác nhau. Mỗi lĩnh
vực có một đối tượng phục vụ của riêng nó, được con người tạo ra nhằm phục vụ
cho mục đích của con người.

2. CÁC KHÁI NIệM DÙNG TRONG LOGIC Mờ
2.1. Tập hợp mờ và độ phụ thuộc
Nếu như con người khơng có một giá trị ngưỡng xác định cho “lạnh” hay “nóng”
thì làm sao có thể ước lượng nó ?
Thực ra thì người ta sẽ làm một phép so sánh giữa giá trị nhiệt độ hiện tại với hai
giá trị nhiệt độ được cho là “rất nóng” và “rất lạnh”. Từ kết quả so sánh đó, con
người ước lượng được mức độ của “nóng” hay “lạnh”.

Làm sao mơ hình hóa điều này theo tốn học ?
Dựa trên lý thuyết tập hợp, đầu tiên ta mô tả một tập các nhiệt độ được cho là “rất
nóng”, sau đó định nghĩa một hàm phụ thuốc cho phép ta xác định một nhiệt độ


Ngày 08/01/2001

SVTH : Lê Phước Thành

Trang 15

LUAN VAN CHAT LUONG download : add


Ưng dụng NeuroFuzzy trong điều khiển nhiệt độ

GVHD : Lê Tuấn Anh

nào đó có thuộc tập hợp này hay khơng. Khác với toán học cổ điển – nơi mà hàm
phụ thuộc chỉ xác định duy nhất một phần tử có thuộc hay không, hàm phụ thuộc
trong logic mờ cho phép xác định một phần tử phụ thuộc tập hợp nhiều hay ít,
tức là biên giới giữa “rất nóng” và “rất lạnh” không phải là một đường phân biệt
rõ ràng mà là một vùng các giá trị liên tục. Trong hình trên, mức độ xám cho phép
ta thấy được vùng biên giới này và cũng cho thấy độ phụ thuộc của một giá trị
nhiệt độ nào đó.
Độ phụ thuộc của một phần tử trong tập hợp mờ có giá trị trong khoảng [0,1].
Theo hình trên, nếu như ta cho rằng 0C là “rất lạnh” và 100C là “rất nóng” thì
độ phụ thuộc của giá trị nhiệt độ so với tập “rất nóng” là :
(0C) = 0,00
(15C) = 0,15
(37C) = 0,37
(60C) = 0,60
(72C) = 0,72
(87C) = 0,87

(100C) = 1,00
2.2. Hàm phụ thuộc
Mức độ của một giá trị vật lý thỏa mãn một khái niệm ngôn ngữ được gọi là độ
phụ thuộc. Đối với biến liên tục, mức độ này được biểu diễn bởi một hàm gọi là
hàm phụ thuộc. Hàm này ánh xạ tập các giá trị vật lý thành tập các giá trị phụ
thuộc đối với các giá trị ngôn ngữ. Biến vật lý được gọi là biến nền và tập các giá
trị vật lý được gọi là tập nền. Thông thường người ta vẽ nhiều hàm phụ thuộc trên
cùng một biểu đồ dựa trên tập nền đã qui định.
Ví dụ hàm phụ thuộc cho các nhiệt độ nói trên :

Tập hợp mờ là sự tổng quát hóa của tập hợp cổ điển, trong đó  = 0 và  = 1 của
hàm phụ thuộc cổ điển chỉ là một trường hợp đặc biệt của hàm phụ thuộc trong
tập hợp mờ. Việc dùng các tập hợp mờ được định nghĩa bởi các hàm phụ thuộc
trong biểu thức logic được gọi là logic mờ. Ví dụ như biểu thức “nhiệt độ rất
nóng” đối với giá trị 85C sẽ cho kết quả là true với mức độ phụ thuộc bằng 0,85.
2.3. Biến ngôn ngữ
Là phần chủ đạo trong các hệ thống dùng logic mờ. Ơ đây, các thành phần ngôn

Ngày 08/01/2001

SVTH : Lê Phước Thành

Trang 16

LUAN VAN CHAT LUONG download : add


Ưng dụng NeuroFuzzy trong điều khiển nhiệt độ

GVHD : Lê Tuấn Anh


ngữ mô tả cùng một ngữ cảnh được kết hợp lại. Ví dụ như trong trường hợp mơ tả
nhiệt độ nói trên, khơng chỉ có “rất nóng” mà cịn “hơi nóng”, “trung bình”, “hơi
lạnh” và “rất lạnh” đều mơ tả nhiệt độ. Chúng được gọi là các tập ngôn ngữ, mang
một khoảng giá trị nào đó của biến ngơn ngữ và được vẽ trên cùng một đồ thị :
2.4. Luật mờ
Các luật trong hệ logic mờ mô tả tri thức của hệ. Chúng dùng các biến ngôn ngữ
như là từ vụng để mô tả các tầng điều khiển trong hệ. Việc giải thích các luật mờ
cũng là việc trình bày cách tính các khái niệm ngơn ngữ.

3. TÍNH TỐN Mờ
Baogồm ba bước chính như sau :
3.1. Mờ hóa
Mờ hóa có nghĩa là dùng những hàm phụ thuộc của các biến ngơn ngữ để tính
mức độ phụ thuộc cho từng tập mờ đối với một giá trị cụ thể của đầu vào.
Ví dụ nhiệt độ hiện tại đo được là 80C thì kết quả của phép mờ hóa là :
Rất lạnh

có độ phụ thuộc bằng 0,00.

Hơi lạnh

có độ phụ thuộc bằng 0,00.

Trung bình có độ phụ thuộc bằng 0,00.
Hơi nóng

có độ phụ thuộc bằng 0,20.

Rất nóng


có độ phụ thuộc bằng 0,80.

Về mặt ngôn ngữ, nhiệt độ là 80C được xem như là hầu như rất nóng, chỉ một ít
hơi nóng.
Mờ hóa là bước đầu tiên trong q trình tính tốn của hệ mờ. Kết quả của nó được
dùng làm đầu vào để tính các luật mờ.
3.2. Tính luật mờ
Hầu hết các hệ thống hoạt động dựa trên nền tảng logic mờ đều dùng luật để biểu
diễn mối quan hệ giữa các biến ngôn ngữ và để rút ra hành động tương ứng đối
với đầu vào. Một luật bao gồm hai phần : phần điều kiện (phần If) và phần kết
luận (phần Then). Phần điều kiện có thể gồm nhiều điều kiện, kết hợp với nhau
bằng các liên từ như And, Or.
Cho rằng chúng ta dùng quạt máy để điều hòa nhiệt độ. Quạt này có 5 nút bấm
đánh số từ 1 đến 5 tương ứng tốc độ quạt tăng dần. Thế thì ta có những luật :
If nhiệt độ = rất lạnh
Then nút bấm = 1
If nhiệt độ = hơi lạnh
Then nút bấm = 2
If nhiệt độ = trung bình
Then nút bấm = 3
If nhiệt độ = hơi nóng
Then nút bấm = 4
If nhiệt độ = rất nóng
Then nút bấm = 5

Ngày 08/01/2001

SVTH : Lê Phước Thành


Trang 17

LUAN VAN CHAT LUONG download : add


Ưng dụng NeuroFuzzy trong điều khiển nhiệt độ

GVHD : Lê Tuấn Anh

Phần If trong ví dụ này chỉ có một điều kiện, bây giờ giả sử như ta đo được sự
thay đổi nhiệt độ và chia làm ba tập mờ như : đang giảm, khơng thay đổi, đang
tăng thì có thể có các luật như :
If nhiệt độ = rất lạnh And thay đổi = đang giảm
Then nút bấm = 1
If nhiệt độ = rất lạnh And thay đổi = không thay đổi Then nút bấm = 1
If nhiệt độ = rất lạnh And thay đổi = đang tăng
Then nút bấm = 2
If nhiệt độ = hơi lạnh And thay đổi = đang giảm
Then nút bấm = 1
If nhiệt độ = hơi lạnh And thay đổi = không thay đổi Then nút bấm = 2
…
3.3. Suy luận mờ
Việc tính tốn các luật mờ được gọi là suy luận mờ, bao gồm hai bước chính.
3.3.1. Tính từng luật : xét riêng rẽ từng luật mờ, dựa trên độ phụ thuộc của các
tập mờ đầu vào và liên từ kết hợp chúng để tạo ra độ phụ thuộc chung cho các đầu
vào, và cũng là kết quả của riêng luật đó.
Xét luật sau :
If nhiệt độ = rất lạnh And thay đổi = đang giảm Then nút bấm = 1
Cho rằng rất lạnh có độ phụ thuộc là 0,6 và đang giảm có độ phụ thuộc là 0,4.
Liên từ đang sử dụng là AND và dùng phép lấy min cho nó thì độ phụ thuộc

chung của đầu vào cho luật này là min(0,6;0,4) = 0,4. Vậy tập mờ ra nút bấm có
độ phụ thuộc là 0,4.
Thơng thường người ta tính AND bằng phép lấy min và OR bằng phép lấy max,
điều này nhằm làm giản đơn các phép tính trong các ứng dụng điều khiển nhỏ.
Tổng qt hóa thì ta có các toán tử sau đây để biểu diễn mối quan hệ giữa các điều
kiện trong phần IF :
Min – Max :

  (1   ) min ( i )   max(  i ),   0,1

Min – Avg :

n
 
  (1   ) min (  i )     i ,   0,1
i 1.. n
i 1  n 

Gamma :

 n

     i 
 i 1 

i 1..n

1

i 1..n




n


1   1   i  ,   0.1

i 1


Tùy theo giá trị của  hay  mà ta có các trường hợp đặc biệt sau :
Min-Max,  = 0 : MIN
lấy nhỏ nhất (minimum), tương ứng với AND,
Min-Max,  = 1 : MAX lấy lớn nhất (maximum), tương ứng với OR.
Min-Avg,  = 1 : AVG
lấy trung bình (average).
Gamma,  = 0 : PROD lấy tích (product).
3.3.2. Tổng hợp luật dựa trên kết quả của từng luật đã tính ở trên, người ta tổng
hợp chúng lại để có kết quả cuối cùng của các tập mờ đầu ra. Phương pháp
thường dùng trong bước này là Max-Min hay Max-Prod.
Ví dụ có hai luật đã tính kết quả :
If nhiệt độ = rất lạnh And thay đổi = đang giảm
Then nút bấm = 1

Ngày 08/01/2001

SVTH : Lê Phước Thành

Trang 18


LUAN VAN CHAT LUONG download : add


Ưng dụng NeuroFuzzy trong điều khiển nhiệt độ

GVHD : Lê Tuấn Anh

If nhiệt độ = rất lạnh And thay đổi = không thay đổi Then nút bấm = 1
Luật thứ nhất cho kết quả có độ phụ thuộc bằng 0,4 và luật thứ hai cho kết quả có
độ phụ thuộc bằng 0,6. Sử dụng phương pháp Max-Min (hay Max-Prod), ta có độ
phụ thuộc cho tập mờ 1 của nút bấm là max(0,4;0,6) = 0,6.
Một khi đã tính xong các luật, người ta tiến hành giải mờ để tạo ra kết quả phù
hợp với thế giới thực.
3.4. Giải mờ
Kết quả được tạo thành sau khi tính tốn các luật vẫn cịn ở dạng mờ và thiết bị
chấp hành của bộ điều khiển thì lại khơng hiểu những giá trị như thế.
Do đó, người ta cần chuyển đổi những giá trị mờ đó thành giá trị rõ cho thiết bị
chấp hành.
Có nhiều phương pháp được dùng trong bước này :
Nguyên lý cực đại : hay còn gọi là

phương pháp độ cao, chỉ dùng cho loại tập
mờ ra có đỉnh nhọn, được biểu diễn qua
biểu thức
z*
z
(z*)  (z), z  Z
Trong trường hợp có nhiều đỉnh nhọn hay giá trị cực đại khơng phải là một
điểm duy nhất thì người ta sử dụng :

Trung bình các cực đại (MoM):
z1  z 2

z* 
2

Cực đại đầu tiên (LoM):
z* = z1
Cực đại cuối cùng (RoM):
z* = z2
Phương pháp trọng tâm (CoG – Center
of Gravity hay CoA – Center of Area) :
thường dùng trong các ứng dụng, được
biểu diễn qua biểu thức
  ( z ).zdz
z* 

z1 z2

z1 z2

z

z



z*

z


  ( z )dz

Phương pháp trung bình theo trọng số (CoM – Center of Maximum) : là
một biến dạng của phương pháp trọng tâm khi thay dấu tích phân bằng dấu
sigma, được dùng nhằm đơn giản hóa sự tính tốn, phù hợp với các điều khiển
nhỏ.

Các tập mờ ra có dạng singleton :
2
  ( z).z
z* 
3
  (z)
1
z1

Ngày 08/01/2001

SVTH : Lê Phước Thành

z2

z3

z

Trang 19

LUAN VAN CHAT LUONG download : add



Ưng dụng NeuroFuzzy trong điều khiển nhiệt độ
Các tập mờ ra khơng có dạng đỉnh, nhưng
đối xứng :
  ( z).z
z* 

GVHD : Lê Tuấn Anh


  (z)
z1

z2

z

Phương pháp trọng tâm diện tích lớn
nhất : tính theo phương pháp trọng tâm nhưng áp dụng trong trường hợp có ít
nhất vùng trên tập nền ra, tính trên vùng có diện tích lớn nhất.
Có rất nhiều phương pháp giải mờ (hiện cịn đang tiếp tục nghiên cứu), tuy nhiên
trong thực tế thường chỉ dùng phương pháp trọng tâm, trung bình theo trọng số
hay trung bình các cực đại. Phương pháp trọng tâm hay phương pháp trung bình
theo trọng số cho kết quả mang tính chất thỏa hiệp các tập mờ ra, thường dùng
trong các ứng dụng điều khiển. Trong khi phương pháp trung bình các cực đại cho
kết quả mang tính dung hòa các tập mờ ra, thường dùng trong các ứng dụng nhận
dạng và phân loại.

Ngày 08/01/2001


SVTH : Lê Phước Thành

Trang 20

LUAN VAN CHAT LUONG download : add


Ưng dụng NeuroFuzzy trong điều khiển nhiệt độ

GVHD : Lê Tuấn Anh

2
MạNG NEURON

1. SƠ LƯợC Về MạNG NEURON
1.1. Quá trình phát triển
Mạng neuron được xem như một mơ hình tốn học đơn giản của bộ não con
người, có chức năng xử lý song song. Trái với máy tính hoạt động dựa trên
chương trình do con người viết sẵn, mạng neuron hoạt động dựa trên những gì con
người dạy nó trước đó.
Mạng neuron có thể học các kết hợp mới, các chức năng mới hay nhận biết các
mẫu mới. Mặc dù máy tính có thể thực hiện những việc hiện tại với độ chính xác
và tốc độ cao, nhưng mạng neuron hứa hẹn một thế mới trong lĩnh vực xử lý
thông tin.
Quá trình nghiên cứu mạng neuron bắt đầu khoảng hơn 50 năm trước, đầu tiên là
McCulloch & Pitts (1943), rồi đến Hebb qua cơng trình nổi tiếng Tổ chức của
hành vi (1949).
Tuy nhiên, buổi ban đầu của trí tuệ nhân tạo khơng sn sẻ một chút nào. Ở đây
có sự chia rẽ giữa những người tin rằng các hệ thông minh có thể thực hiện tốt

những gì đang được thực hiện trên máy tính và những người như Minsky và
Papert (1969) tin rằng sự thông minh được xử lý tốt trên máy von Neumann.
Vì nhiều lý do khác nhau, nhánh thứ hai chiếm ưu thế trong thập kỷ 70. Nhưng
đến thập kỷ 80 thì ưu thế thuộc về nhánh thứ nhất với sự tái sinh của mạng neuron
:
1982 Hopfield đưa ra nền tảng tốn học để có thể hiểu các lớp quan trọng của
mạng.
1984 Kohonen phát triển mạng học không giám sát để ánh xạ đặc điểm thành
mảng các neuron.
1986 Rumelhart & McClelland giới thiệu giải thuật học theo cách truyền
ngược dùng cho mạng đa tầng, phức tạp.

Ngày 08/01/2001

SVTH : Lê Phước Thành

Trang 21

LUAN VAN CHAT LUONG download : add


Ưng dụng NeuroFuzzy trong điều khiển nhiệt độ

GVHD : Lê Tuấn Anh

Kể từ năm 1986-86, nhiều chương trình nghiên cứu mạng neuron được ra đời.
Danh sách các ứng dụng được xử lý bằng mạng neuron cũng trở nên dài ra, từ
những ví dụ mang tính kiểm tra cho đến những vấn đề thực tiễn lớn.
1.2. Mạng neuron là gì ?
Định nghĩa : hệ neuron nhân tạo, hoặc mạng neuron, là hệ vật lý có thể thu nhận,

lưu trữ và sử dụng tri thức của con người.
Sự phát triển của các cơng trình nghiên cứu về tính tốn theo mơ hình mạng
neuron đã được thúc đẩy bằng sự nhận định là trí óc con người tính tốn theo cách
khác hẳn so với máy tính. Từ đó con người đưa ra mạng neuron nhằm hiểu những
lời giải của trí óc về các lĩnh vực như nhận dạng hình ảnh, tiếng nói và áp dụng
những lĩnh vực đó vào máy tính. Sau nhiều nghiên cứu, người ta đưa ra nhận xét
sau :
- Điều quan trọng chính là cách xử lý song song chứ khơng phải tốc độ tính
tốn của bộ não.
- Mặc dù chưa hiểu cách mô tả các ý tưởng của bộ não nên chưa thể bắt chước
hồn tồn, nhưng ta có thể thấy rằng bộ não sử dụng những phần tử tính tốn
có tốc độ chậm nhưng được liên kết với nhau.
1.3. Cấu trúc của não
Hiện tại, người ta vẫn chưa thể hiểu “tâm trí là gì ?” và “sự suy nghĩ bắt nguồn từ
đâu ?”. Tuy vậy, ta vẫn có thể hiểu các hoạt động của bộ não ở cấp thấp : Bộ não
con người chứa khoảng 1010 phần tử cơ bản gọi là neuron. Mỗi neuron được kết
nối với khoảng 104 neuron khác. Qua đó, bộ não là một cấu trúc có năng suất cao
mặc dù neuron là phần tử tính tốn rất chậm so với các cổng logic silicon : trong
IC sự kiện xảy ra với tỷ lệ 10-10 giây trong khi sự kiện xảy ra trên neuron theo tỷ
lệ 10-3 giây.
Sự hoạt động của hệ thần kinh được chia thành 3 giai đoạn :
- Con người nhận được kích thích từ bên ngồi thơng qua các giác quan. Sự
kích thích này được chuyển đổi thành xung điện và được chuyển đến não.
- Bộ não liên tục thu nhận thông tin, xử lý, đánh giá và so sánh chúng với
những thông tin đang lưu trữ để tạo ra các quyết định thích đáng.
- Những mệnh lệnh đưa ra sau khi bộ não xử lý được truyền đến các bộ phận
chấp hành như tay chân cho hành động hay lưỡi cho tiếng nói … dưới dạng
xung điện. Bộ phận thi hành biến đổi xung điện đưa đến thành hành động.
Neuron là phần tử cơ bản của não, có khả năng hoạt động tương tự một đơn vị
logic của máy tính, được chia làm 2 loại :

- Neuron vào ra cục bộ, cách nhau khoảng 100 micron (1 micron = 10 -3mm)
- Neuron ra kết nối với các vùng khác của não, như kết nối não với bắp thịt
hay kết nối các giác quan với não.
Trong quá trình hoạt động, neuron nhận được nhiều thông tin, và những thông tin
này được cộng lại với nhau theo một hình thức nào đó.

Ngày 08/01/2001

SVTH : Lê Phước Thành

Trang 22

LUAN VAN CHAT LUONG download : add


Ưng dụng NeuroFuzzy trong điều khiển nhiệt độ

GVHD : Lê Tuấn Anh

Mặc dù các neuron có hình dạng và kích thước khác nhau nhưng về căn bản, có
thể chia thành 3 phần :

Dendrite
soma

Synapse kích thích
Synapse hạn chế

- Thể soma của neuron.
- Bám soma là những sợi nhỏ gọi là dendrite, hoạt động như là cầu nối với các

neuron, dùng làm kênh vào của neuron.
- Một loại dây thần kinh khác cũng nối với soma là axon có bản chất dẫn điện,
được dùng như kênh ra của neuron. Mỗi neuron chỉ có một axon.
Mỗi neuron có một mức kích hoạt, nằm trong tầm giữa giá trị lớn nhất và giá trị
nhỏ nhất, trái với logic Boolean chỉ có tồn tại hai giá trị.
Việc gia tăng hay giảm mức kích hoạt của neuron này đối với neuron khác được
thực hiện thông qua các synapse bám trên dendrite. Nếu là synapse kích thích,
mức kích hoạt từ neron gửi làm gia tăng mức kích hoạt của neuron nhận. Cịn nếu
là synapse hạn chế thì mức kích hoạt từ neuron gửi sẽ lảm giảm mức kích hoạt
của neuron nhận. Mức kích hoạt tại neuron nhận đạt đến một giá trị ngường nào
đó sẽ kích thích đầu ra, truyền trên axon đến các neuron khác, cuối axon có
khoảng 10000 synapse.
Các synapse khơng chỉ khác nhau ở tác dụng kích thích hay hạn chế mà cịn khác
nhau ở mức kích hoạt.
1.3.1 Học hỏi trong hệ thống sinh vật
Axon là một thiết bị phi tuyến tạo ra xung điện áp được gọi là thế năng kích hoạt,
tồn tại trong khoảng 10-3 giây. Thế năng này được tạo ra khi thế nghĩ bên trong
soma vượt qua một ngưỡng giới hạn cố định nào đó.
Cuối axon là các synapse kết nối axon với dendrite của những neuron khác. Sự kết
nối này mang tính tạm thời và là sự kết nối hóa học. Synapse thải ra chất hóa học
gọi là neurotransmitter nếu thế của nó lên cao bởi axon tạo ra thế năng kích hoạt.
Chất hóa học này phân tán qua khe hở giữa axon và dendrite, làm hoạt hóa những

Ngày 08/01/2001

SVTH : Lê Phước Thành

Trang 23

LUAN VAN CHAT LUONG download : add



Ưng dụng NeuroFuzzy trong điều khiển nhiệt độ

GVHD : Lê Tuấn Anh

cổng trên dendrite. Tùy theo mức độ hoạt hóa mà những cổng này có thể được mở
hay khơng. Trong trường những cổng này được mở thì các ion được nạp sẽ di
chuyển vào dendrite và làm cho thế năng của dendrite thay đổi thông qua việc
cung cấp một điện thế cho dendrite. Từ dendrite thế năng được truyền vào soma
của neuron nhận.
Học hỏi trong hệ thống sinh vật được hiểu là sự thay đổi hóa học xảy ra ở điểm
nối synapse giữa neuron này với neuron khác. Sự thay đổi làm mở cổng trên
dendrite của neuron nhận.

2. MƠ HÌNH HÓA NEURON
Tri thức thể hiện dưới dạng các trạng thái ổn định hay các ánh xạ được nhúng
vào mạng, có thể gọi lại sau đó để đáp ứng với một tình huống cụ thể.
Phần tử cơ bản của mạng neuron được gọi là neuron nhân tạo, hay đơn giản
là neuron hay node.
2.1. u cầu khi lập mơ hình một neuron
Cơng việc cơ bản của một neuron nhân tạo là cộng các mức kích hoạt ở đầu vào
rồi tạo một mức tác động ở đầu ra nếu tổng các mức kích hoạt ở đầu vào lớn hơn
một giá trị ngưỡng nào đó. Mơ hình neuron khi tạo ra phải có những đặc điểm cơ
bản đó :
- Tín hiệu ra của neuron là có hay khơng (on hay off).
- Tín hiệu ra này chỉ phụ thuộc các tín hiệu vào mà thơi.
2.2. Lập mơ hình neuron
Từ những u cầu đó, ta thấy rằng đơn vị xử lý do ta lập ra gồm có :
- Mức kích hoạt (đại diện cho trạng thái phân cực của neuron).

- Giá trị ra (đại diện cho mức tác động của neuron).
- Tập các kết nối vào (đại diện cho các synapse và dendrite).
- Giá trị phân cực (đại diện cho mức nghỉ của neuron).
- Tập các kết nối ra (đại diện cho kết nối của axon).
Các giá trị trên được biểu diễn theo toán học bằng các số thực.
Có khá nhiều mơ hình tốn học cho neuron. Ở đây trình bày mơ hình thơng dụng
nhất, dùng một hàm truyền kết nối các đầu vào để tạo đầu ra :
- Phương tiện kết nối là tổng
Đầu vào
có trọng số, trong đó trọng số
đại diện cho độ mạnh yếu của
synapse.
Đầu ra
- Synapse kích thích có trọng
số dương và synapse hạn chế
có trọng số âm.
Hàm tác động

Hàm truyền
n

f   wi xi  

Y

i 0

f

Ngày 08/01/2001


SVTH : Lê Phước Thành

Trang 24

LUAN VAN CHAT LUONG download : add